Врацких Ф.Ю., генеральный директор «Техэкспо»
Технологии с использованием генеративного искусственного интеллекта (ИИ) активно проникают в большинство отраслей, не обходя стороной и малую энергетику. С их помощью участники рынка повышают точность при принятии решений и прогнозировании, автоматизируют бизнес-процессы, сокращают издержки. В статье рассказывается о применении ИИ в энергетике.
Искусственный интеллект в последние годы стал одной из наиболее активно развивающихся технологий, применяемых почти во всех отраслях экономики. По данным исследования «Яков и партнеры», посвященного использованию ИИ в странах БРИКС, в 2024 году 57 % компаний из объединения внедрили решения на основе генеративного ИИ хотя бы в одну функцию в организации. При этом годом ранее никто из участников аналогичного опроса не говорил о том, что полноценно использует хотя бы одну ИИ-технологию.
В электроэнергетике технологии ИИ также становятся одним из значимых трендов. Их применение на предприятиях обычно делится на два блока: все, что можно отнести к регулярным рутинным задачам из сферы маркетинга, клиентского сервиса, продвижения компании, и второй, наиболее сложный блок, – непосредственно технологическое управление бизнес-процессами предприятия.
Если говорить о второй категории задач, которые уже сегодня в энергетике можно передать искусственному интеллекту, то главными векторами здесь будут:
прогнозирование нагрузки на станцию (энергопотребления);
прогноз спроса на энергию, предиктивное техническое обслуживание оборудования;
предсказание возможных неисправностей с помощью ИИ-анализа исторических паттернов отказов;
управление распределением энергии в системе с помощью нейросетей.
Например, с помощью предиктивной аналитики на дизельной электростанции можно рассчитать уровень нагрузки и предусмотреть пиковые моменты. А это значит, что управление станцией становится более контролируемым, специалисты могут заранее понимать объем необходимого топлива с горизонтом планирования до года. Алгоритмы ИИ способны буквально за 10 минут провести такие расчеты на основе данных о работе станции в предыдущие периоды. Также исторические данные о работе оборудования станции, загруженные в нейросети, становятся основой для расчетов оптимального времени ремонта.
Подобные ИИ-инструменты дают хорошо просчитываемый экономический эффект. Можно привести пример из соседней отрасли: так, превентивное обслуживание скважин принесло крупной нефтегазовой компании экономический эффект в 278 млн долларов за два года. Этого удалось добиться за счет сокращения расходов на ручное обслуживание: осмотр скважин и анализ данных с датчиков был переведен в плоскость анализа искусственным интеллектом.
На электростанциях также востребованы системы для прогнозирования уровня загрязнения окружающей среды с помощью ИИ. Модели машинного обучения анализируют закономерности погоды и ее влияния на степень распространения вредных веществ в воздухе. Также нейросети помогают выявлять уровень содержания вредных мелкодисперсных частиц в воздухе.
Широкий пласт применений ИИ в малой электроэнергетике находится в области планирования бизнес-процессов: мы используем такие инструменты при составлении оптимального производственного расписания, для создания системы контроля за состоянием дизель-генераторов и оптимизации режимов работы оборудования. Важный вектор использования ИИ связан с применением его алгоритмов и аналитики в системе обеспечения безопасности.
Также ИИ-решения помогают электростанциям повысить точность прогнозирования запасов, спроса и закупок.
ИИ для оптимизации тендерных процедур
Работа с тендерами требует от организаций высоких трудозатрат, особенно если речь идет о «ручных» процессах по отбору заявок и анализу большого их количества. Мы в «Техэкспо» смогли оптимизировать процессы участия в тендерных процедурах с помощью ИИ. Это было для нас актуальной задачей, потому что техническое задание на строительство дизельной электростанции может содержать в себе тысячи страниц.
Сегодня мы используем нейросети для первичного анализа тендерной информации и ее систематизации по заданным параметрам. Далее результаты уже оценивает специалист. Это сильно сэкономило нам время, ведь технический директор и нейросеть анализируют один и тот же объем заявок за разное время: за неделю и за 10 минут. Однако любые ответственные решения в компании принимаются только при участии специалистов, ИИ выступает лишь в роли ассистента.
ИИ в клиентском сервисе и маркетинге
Еще удачный пример использования ИИ на энергетическом предприятии – это разгрузка отделов маркетинга и продаж. Мы активно используем копайлот (ассистента) на основе ИИ в отделе продаж, чтобы отслеживать качество сервиса и коммуникаций с клиентами.
ИИ помогает анализировать большое количество диалогов и находить недостатки, проблемы в обслуживании и механизмах продаж. В дополнение к этому мы активно работаем над тем, чтобы наша компания присутствовала в результатах поисковой выдачи, которые генерируются алгоритмами нейросетей. Мы системно работаем с алгоритмами и сделали это частью стратегии развития нашей компании, как и в целом применение ИИ-технологий.
Обучение ИИ как непрерывный процесс
ИИ-решения невозможно внедрять без квалифицированного подхода: это не просто программное обеспечение, а скорее технологии, которые всегда работают на стыке профессиональных областей. Поэтому мы постоянно обучаем сотрудников использованию ИИ: в течение года они обязательно проходят курсы, которые мы организуем совместно с компаниями-интеграторами, работающими с нашими энергетическими системами.
Сегодня главная компетенция, необходимая сотрудникам, – понимать не только, как пользоваться ИИ, но и его роль в целом. То есть специалисты в компании должны осознавать, что искусственный интеллект – не замена человеческого труда, а помощник.
Что препятствует более быстрому проникновению ИИ в отрасль энергетики?
Главная причина, по которой ИИ в энергетических компаниях применяется пока только ограниченно, в основном в предикативном анализе и сервисе, но не непосредственно в производстве, связана с нехваткой необходимого объема данных для обучения нейросетей.
Данные просто не успели накопиться, и для решения этой задачи должно пройти время. Энергетические компании и непосредственно электростанции, энергооборудование не так давно стали цифровыми, то есть стали переводить информацию в цифру. Если в компании не цифровизирована инфраструктура (а таких в отрасли большинство), то невозможно собирать, хранить данные и создавать качественные дата-сеты для обучения ИИ-моделей.
Согласно документу, опубликованному на сайте Правительства РФ, стратегическое направление цифровой трансформации ТЭК утверждено Михаилом Мишустиным на период до 2030 года. В нем упоминаются важные составляющие цифровизации отрасли, среди которых есть даже создание единого информационного ресурса для управления услугами поставщиков электроэнергии в ЖКХ. Отдельное внимание стоит уделить пунктам про работу с данными:
обеспечение доступности (законодательно и технически) промышленных данных для организаций топливно-энергетического комплекса;
создание единых стандартов обмена и использования данных компаниями топливно-энергетического комплекса.
Очевидно, что эти пункты поднимают вопрос прозрачности данных в отрасли. Для многих отраслей создание единых стандартов данных является сложным вопросом. Например, из-за импортозамещения и перехода от зарубежных ИТ-разработчиков профильного софта к российским строительная отрасль сейчас переживает настоящий кризис данных. Инженеры не могут расшифровать то, что предлагают российские программы при анализе зарубежных данных в программах для создания чертежей и моделей.
В энергетике ситуация, с одной стороны, сложнее, потому что данные приходится формировать с нуля. С другой стороны, этот старт можно считать более перспективным. Как это происходило в банках, когда мобильный банкинг строился сразу на российском ПО. В результате тяжеловесная ИТ-инфраструктура финансовых организаций в Европе и США сегодня требует очень серьезных ресурсов для обновления. Российские же банки, напротив, стали одними из наиболее адаптивных, современных и удобных. Если следовать подобной логике, у отечественной энергетики хорошие шансы стать технологичной и суперсовременной. А искусственный интеллект в этом переходе может стать действующим ускорителем и «волшебной таблеткой».
|
ЭНЕРГОЭКСПЕРТ 